Javascript node.js-控制承诺队列
我正在编写一个爬虫程序,它将使用node.js从电子商务网站获取数据。要获取的每个输入都包含:Javascript node.js-控制承诺队列,javascript,node.js,asynchronous,promise,web-crawler,Javascript,Node.js,Asynchronous,Promise,Web Crawler,我正在编写一个爬虫程序,它将使用node.js从电子商务网站获取数据。要获取的每个输入都包含: url:该链接的url 目录:以后应将输出文件写入的目录名 页面:要查询的参数 每个页面将获取大量项目,每个项目都将在稍后获取详细信息 这是我的fetchPagepromise(agentisrequire('superagent')),它将获取HTML文本: function fetchPage(url,page){ return new Promise( (resolv
:该链接的urlurl
:以后应将输出文件写入的目录名目录
:要查询的参数页面
fetchPage
promise(agent
isrequire('superagent')
),它将获取HTML文本:
function fetchPage(url,page){
return new Promise(
(resolve,reject)=>{
if (page>0){
agent
.get(url)
.send('page='+page)
.end(function(err,res){
if (err){
reject(err);
} else{
resolve(res.text);
}
});
} else{
agent
.get(url)
.end(function(err,res){
if (err){
reject(err);
} else{
resolve(res.text);
}
});
}
});
}
全球电话:
var data=[];
for (var i=1;i<=links[0].numOfPages;i++){
data.push({
url:links[0].url,
directory:links[0].directory,
page:i
});
}
const promises=data.reduce(
(promise,data)=>promise.then(()=>{
fetchPage(data.url,data.page).then(
(result)=>{
const urls=getUrls(result);
Promise.all(urls.map((url,i)=>fetchPage(url,0).then(
(result)=>{
var item=getItem(result);
item.url=url;
writeItem(item,data.directory,data.page,i+1);
},
(error)=>console.log(error)
)));
});
}),
Promise.resolve());
promises.then((values)=>console.log('All done'));
var数据=[];
对于(var i=1;ipromise.then(()=>{
fetchPage(data.url,data.page),然后(
(结果)=>{
constURL=getURL(结果);
Promise.all(url.map)((url,i)=>fetchPage(url,0)。然后(
(结果)=>{
var item=getItem(结果);
item.url=url;
writeItem(项,数据.目录,数据.页,i+1);
},
(错误)=>console.log(错误)
)));
});
}),
承诺,决心;
然后((值)=>console.log('All done');
您将看到3个实用程序功能(所有功能都正常工作):
:处理页面的HTML文本,返回 稍后将详细介绍要爬网的项目getURL
:处理 项的详细页,返回将写入的对象 文件getItem
:将对象写入文件,并提供目录 和页码,以制作适当的目录并写入和存储writeItem
- 我如何使用一个承诺队列来重建它 承诺将一个接一个有序地运行 同步且仅允许有限数量的承诺同时运行
我删除了
fetchItem
函数,因为它是不必要的(实际上,它用page=0
调用fetchPage
),现在我只使用fetchPage
首先,如果你想真正控制你的执行,那么你不应该构造一个循环来调用承诺。它将立即执行。相反,您应该构造一些要提供给promise的数据。对不起,我不太明白你的程序流程。我可以看到您正在调用fetchPage
,完成后,调用fetchItem
,这将再次调用fetchPage
。这也许就是为什么你会收到双重回电
对于第二个问题,这里有一个示例,说明如何串行处理每个链接,并并行处理一个链接中的页面,最多并行处理3个作业
var Promise = require('bluebird');
var chance = new (require('chance'))();
var fetchPage = (url, page) => new Promise((resolve, reject) => {
// Simulate Network Operation
if (page === 0) {
console.log('Start Downloading: ' + url);
setTimeout(() => {
resolve({
url: url,
content: 'Content of ' + url
});
}, chance.integer({ min: 10, max: 250 }));
} else {
console.log('Start Downloading: ' + url + '?page=' + page);
setTimeout(() => {
resolve({
url: url + '?page=' + page,
content: 'Content of ' + url + '?page=' + page
});
}, chance.integer({ min: 10, max: 250 }));
}
});
var fetchItem = link => {
// Get the data to be supplied to fetchPage promise
var data = [];
for (var i = 0; i <= link.numOfPages; i++) {
data.push({
url: link.url,
page: i
});
}
return data;
};
var writeItem = (item, directory) => {
// Simulate Writing to Directory
console.log('Writing ' + item + ' to ' + directory + ' folder');
};
// Make some dummy links
var links = [];
for (var i = 0; i < 10; i++) {
var domain = chance.domain();
links.push({
url: chance.url({ domain: domain }),
directory: domain,
numOfPages: chance.integer({ min: 0, max: 5 })
});
}
// Process each URL serially
Promise.each(links, link => Promise.map(fetchItem(link), data => fetchPage(data.url, data.page).then(result => {
writeItem(result.content, link.directory);
console.log('Done Fetching: ' + result.url);
}), {
// Control the number of concurrent job
concurrency: 3
})).then(() => {
console.log('All Done!!');
});
在本例中,您可以清楚地看到每个任务都是按顺序运行的,并且任务中的每个作业一次最多并行运行3个并发作业。对于您的情况,我建议您安装Promise库,因为它提供了两个您可以使用的实用程序 对于您的问题,通常情况下,您不会将For循环与Promise结合使用,而是构造一个数据数组和一个返回Promise的映射函数,然后使用
.map()+Promise.all()
或.reduce()
将数组分解为一个Promise,在完成所有操作后进行解析
Bluebird的Promise.map()
还允许您指定一个并发选项,该选项将限制可以同时运行的操作数
以下是一些让您开始学习的示例: 并发运行异步操作 按顺序运行异步操作:
尝试将事物视为值的集合,以及对这些值执行的操作,将操作抽象为函数,并在适当的时候调用它们,不要在同一个位置混合获取和写入操作。在for循环中存在异步操作的典型情况,请参阅。使用
let page
而不是var page
作为一个非常简单的解决方案。我删除了fetchItem
函数,因为它不必要(实际上,它使用page=0
调用fetchPage
),现在我只使用了fetchPage
,我做了一些更改,但事情似乎并没有按顺序运行,我删除了fetchItem
函数,因为它是不必要的(实际上,它用page=0
调用fetchPage
),现在我只使用fetchPage
,我做了一些更改,但事情似乎没有按顺序运行。我还编辑了问题,以便您更好地理解我的流程。如果您想按顺序运行,请使用Promise。每个。否则,如果您想与有限数量的并发作业同时运行,请使用Promise.map
并为函数提供concurrency
选项,如我在上述示例中演示的关于Promise.each
,让我试试,这对我来说是新的。谢谢,不客气。只需确保您使用的是bluebird
,否则无法使用Promise.each
和Promise.map
。并尝试运行我的示例以更好地理解。我使用的是bluebird
。但是我对Promise.each
和Promise.all
之间的区别感到困惑。据我所知,Promise.all
一个接一个地运行一系列承诺
var Promise = require('bluebird');
var chance = new (require('chance'))();
var tasks = [];
for (var i = 1; i <= chance.integer({ min: 10, max: 20 }); i++) {
var jobs = [];
for (var j = 1; j <= chance.integer({ min: 2, max: 10 }); j++) {
jobs.push({
job_name: 'Job ' + j
});
}
tasks.push({
task_name: 'Task ' + i,
jobs: jobs
});
}
Promise.each(tasks, task => Promise.map(task.jobs, job => new Promise((resolve, reject) => {
setTimeout(() => resolve(task.task_name + ' ' + job.job_name), chance.integer({ min: 20, max: 150 }));
}).then(log => console.log(log)), {
concurrency: 3
}).then(() => console.log())).then(() => {
console.log('All Done!!');
});
const Promise = require('bluebird');
const urls = ['https://url1.com', 'https://url2.com', ... ]; // lots of urls
// {concurrency: 4} means only 4 URLs are processed at any given time.
const allPromise = Promise.map(urls, fetchUrlAsync, {concurrency: 4});
allPromise.then(allValues => {
// Deal with all results in order of original array
});
const Promise = require('bluebird');
const urls = ['https://url1.com', 'https://url2.com', ... ]; // lots of urls
// {concurrency: 4} means only 4 URLs are processed at any given time.
const allPromise = urls.reduce((promise, url) =>
// Start with an empty promise, chain all calls on top of that
promise.then(() => fetchUrlAsync(url)), Promise.resolve());
allPromise.then(allValues => {
// Deal with all results in order of original array
});